前言
在训练代码（旋转目标框检测）出现以下错误提示：
RuntimeError: indices should be either on cpu or on the same device as the indexed tensor (cpu)
问题分析
出现这个错误通常是由于：部分在GPU上运行，部分在CPU上运行；
比如：a = at [j] ，这里本来是想将变量at中下标为j的元素赋值给变量a。
我们打印一下 at操作和 j 数据的情况：
at device: cpu
j device: cuda:0
所以报错啦~
解决方法
首先定位是哪一行代码出错了
扫描二维码关注公众号，回复：
14943162 查看本文章
然后，把那一行代码的变量打印一下：
print(f"at device: {at.device}")
print(f"j device: {j.device}")
再进行类型转换
- 可以将变量，从CPU转到GPU（cuda）中；
- 或者将变量，从GPU（cuda）转到CPU中；
这个取决于后续代码所需的类型，比如a = at [j]中，后续需要GPU类型的数据，那么我们把变量at转为GPU中即可：
at = at.to(j.device)
a = at[j]如果at变量本来不是张量，不能直接转换，使用下面的方式实现：
at_tensor = torch.tensor(at)
at_tensor = at_tensor.to(j.device)
a = at_tensor[j]修改完成~
知识扩展
这个错误通常是由于以下原因之一：
- 张量和张量B不在同一个设备上（例如，一个在CPU上，一个在GPU上）。
- 张量A在CPU上，而张量B在GPU上。
由于 PyTorch 要求在同一操作中，张量A和张量B在同一个设备上，所以出现这个错误。要解决这个问题，可以将张量A转换为和张量B相同的设备上的张量。
可以使用以下代码将张量转换为CUDA张量（在GPU上）：
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
tensor = tensor.to(device)
想将张量转换为CPU张量，可以使用以下代码：
tensor = tensor.cpu()
确保所有张量都在同一个设备上后，应该能够解决这个错误。